机械设计与制造2023，Vol.391Issue(9) ：188-192.

基于低秩稀疏分解算法的铣床齿轮箱故障诊断

Fault Diagnosis of Milling Machine Gearbox Based on Low Rank Sparse Decomposition Algorithm

于春霞 张建国 李明
机械设计与制造2023，Vol.391Issue(9) ：188-192.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于低秩稀疏分解算法的铣床齿轮箱故障诊断

Fault Diagnosis of Milling Machine Gearbox Based on Low Rank Sparse Decomposition Algorithm

于春霞 1张建国 2李明3
扫码查看

作者信息

  • 1. 黄河科技学院,计算机系,河南郑州 450000
  • 2. 河南理工大学,机械工程学院,河南郑州 450000
  • 3. 河南力天刀具有限公司,河南郑州 450000
  • 折叠

摘要

铣床齿轮箱的安全运行对保证机械设备的效率具有重要的作用,其故障诊断复杂难控.传统形式算法只是从原始振动信号中进行字典原子学习,并未从本质层面分析特征信息物理结构特性.采用低秩稀疏分解算法,并进行BCD求解对齿轮箱故障诊断开展分析.研究结果表明:特征信号已淹没到了噪声中,能够对等间隔冲击特征进行准确识别,并使特征信号信噪比由-9.152增大为4.716.表明采用稀疏低秩算法能够滤除噪声干扰,从而高效识别瞬态冲击成分.经过3次迭代后特征信号发生了奇异值快速衰减现象,具有明显稀疏特性.低秩稀疏分解信号形成的包络谱,已经实现了所有干扰频率成分以及噪声成分的滤除效果,采用低秩稀疏分解算法能够实现齿轮箱局部故障的准确诊断.

关键词

齿轮箱/故障诊断/稀疏分解/噪声

Key words

Gearbox/Fault Diagnosis/Sparse Decomposition/Noise

引用本文复制引用

基金项目

河南省民办高等学校品牌专业建设项目(ZLG201903)

出版年

2023
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
参考文献量9
段落导航相关论文